全文本生物化学研究论文中的科学论证建模

《Argument & Computation》：Modeling scientific argumentation in full-text biochemistry research articles

　　

本文探讨了“自然论证领域”这一主题，特别是针对几篇关于蛋白质结构与信号转导通路的全文本生物化学研究论文中的论证过程。研究探索了这些生物化学论文中特定领域的论证模式与一般自然论证模型之间的关系。本研究的主要贡献在于深入分析了论文中论证的一些特征，包括论证如何与实验目标和研究方法（假设演绎法与溯因法）相关联；论证的前提如何基于论文中通过文本和/或图表呈现的实验结果，以及先前研究的引文、一般背景知识或论文中先前论证的结论；哪些一般原则为论证的主张提供了依据，即论证方案（argumentation schemes）、密尔（Mill）关于因果关系的科学推理“方法”、可废止的逻辑推理规则（选言三段论和肯定前件式）以及算术规则；如何将体现上述原则的可废止的领域特定规则编码用于实际计算用途；以及如何以图形形式呈现论文中相互关联的前提与结论的演进过程。

研究背景与问题

在科学论证的计算建模领域，现有研究多聚焦于教育、计算机图形学等非自然科学领域，或仅针对多学科可持续发展文章的摘要进行分析。对于实验生命科学，尤其是生物化学领域全文本研究论文中的论证结构，尚缺乏系统的计算模型。此前，虽有研究对遗传学论文中的论证模式进行了初步探索，但生物化学领域因其独特的实验方法和研究对象（如蛋白质结构和信号转导通路），其论证类型可能与遗传学存在差异。此外，通用论证模型（如论证方案）是否适用于科学论证，以及是否存在统一的论证挖掘方法适用于所有科学领域，仍是悬而未决的问题。因此，有必要针对生物化学全文本研究论文进行深入的论证分析，以揭示其领域特定的论证规律。

研究内容与结论

研究人员选取了五篇经同行评议的主流期刊论文，涵盖交联蛋白结构和信号转导通路两个生物化学子领域。通过与领域专家合作，研究人员对论文中“结果与讨论”部分的论证进行了逐句分析和重构，识别出多种论证类型及其所依据的一般原理。研究表明，生物化学论文中的论证并非简单地遵循通用模型，而是通过实例化领域特定的规则来实现，这些规则基于密尔的因果推理方法、论证方案、逻辑推理规则（如选言三段论、肯定前件式）和算术运算。例如，“差异法”（Method of Difference）用于从对照实验中推断因果关系；“相关性”（Correlation）论证用于建立事件间的关联；“不一致于预期”（Inconsistent with Expectation）论证则用于反驳假说，体现了假设演绎法；而“最佳解释推论”（Inference to the Best Explanation）则对应于溯因推理。研究还发现，论证的前提可以来自文本、图表数据、引文、背景知识或先前论证的结论，且许多前提或结论可能是隐含的。基于这些分析，研究人员提炼出一系列可废止的领域特定规则，为后续的自动论证重建奠定了基础。

主要关键技术方法

研究人员采用了一种结合人工分析与规则推导的方法。首先，由生物化学领域专家对论文中的主要论证进行释义，提取前提和结论。随后，所有作者共同分析论证类型，直至达成共识。在此基础上，研究人员归纳出领域特定的可废止规则，这些规则以变量替换具体生化术语，使其更具普适性。最终，研究人员提出了一种基于规则的论证重建方法：先利用命名实体识别和关系抽取技术从文本中提取命题，构建命题知识库，再应用上述领域规则进行论证推理。

研究结果

3.1 信号转导论文中的论证

• •
  差异法与相关性（图1）： 通过对α因子处理酵母细胞前后细胞周期停滞和FAR1磷酸化状态的观察，运用密尔的“差异法”推断出α因子对这两种事件具有因果作用，进而通过“相关性”论证建立FAR1磷酸化与细胞周期停滞之间的关联。
• •
  差异法、默认推理、相关性与因果推论（图2）： 利用截短的FAR1蛋白（缺失235-340残基）无法引起细胞周期停滞和与CDC28形成复合物，通过“差异法”证明该区域对这两个过程至关重要。进一步通过“默认推理”（可废止的肯定前件式）细化复合物类型，并通过“相关性”和“因果推论”论证得出该区域与CDC28-CLN2的结合是细胞周期停滞的原因。
• •
  排除法（图3）： 通过体外激酶实验，观察到DNA-PK能磷酸化融合蛋白P-T但不能磷酸化单独的T，结合背景知识（P-T必须在P部分或T部分被磷酸化），运用“排除法”（类似于可废止的选言三段论）得出结论：DNA-PK磷酸化的是P部分。
• •
  减法与排除法（图4）： 已知DNA-PK在p53的丝氨酸15和37位点进行磷酸化，结合GSK3-beta的共有序列规则（需第5位丝氨酸预先磷酸化后，才磷酸化第1位丝氨酸），通过“减法”计算得出GSK3-beta可能的作用位点为第11或33位。再结合观察（第11位不是丝氨酸），通过“排除法”确定第33位丝氨酸是最可能的磷酸化位点。

3.2 交联蛋白结构论文中的论证

• •
  不一致于预期（图5）： 针对ATP合酶b亚基具有卷曲螺旋结构的假说，实验显示在bsyn蛋白中，预期应表现出最高二硫键形成倾向的七肽重复d位点半胱氨酸，实际上并未显示出高倾向性。这一“不一致于预期”的结果，通过“证伪论证”反驳了原假说。
• •
  最佳解释推论（图6）： 在Full XL复合物的交联实验中，观察到复合物的大小符合b158C与δ亚基交联的预期，且该复合物能被δ抗体识别。这两个独立的观察均指向“b158C与δ亚基发生了交联”这一最佳解释，体现了溯因推理。
• •
  差异无效应（图7）： 通过比较野生型与突变型ATP合酶（b和δ亚基突变）在质子泄漏上的表现，发现两者无差异，从而证明突变本身不影响质子泄漏。进一步比较交联前后的表现，同样未发现差异，证明交联也不影响质子泄漏。这种“差异无效应”论证是差异法的变体，反映了假设演绎法中通过否定差异的影响来验证假说。

总结与讨论

本研究创新性地对生物化学全文本研究论文（涵盖交联蛋白结构和信号转导通路两个子领域）中的论证进行了建模。研究人员识别出了多种用于支持可废止结论的论证类型。不出所料，这些论证类型与某些通用的论证方案、科学推理的“方法”以及逻辑推理和算术规则相关联。总体而言，这些论证反映了两种科学推理模型：假设演绎法和溯因推理。其中许多论证类型也在研究人员之前对不同科学研究领域——遗传学的研究中被发现。

从这些论证中，研究人员开发了可用于实际应用的领域特定可废止规则。尽管这些规则是领域特定的，但它们并非临时制定，而是得到了公认的论证原则的支持。本文勾勒了一种使用领域特定规则进行论证重建的拟议方法。首先，提取规则中使用的实体和关系，创建一个代表潜在前提和结论的命题知识库。在提取实体和关系之后，将规则应用于命题知识库以重建论证。最后，研究人员提出了一种新颖的结果呈现方式——主张图谱（Claim Graph），用以展示论证如何与论文中呈现的证据以及彼此之间相互关联。